用于智能识别的图像处理方法及装置制造方法及图纸

本申请公开了一种用于智能识别的图像处理方法及装置。该图像处理方法包括接收用户选择的标记数据；根据用户输入的预设图像训练程度得到训练数据；以及根据所述训练数据生成用于识别预期识别目标的图像识别模型。本申请解决了用户想要对图像进行智能识别时具有技术门槛要求的技术问题。本申请实现了以下技术效果：可以使客户只需在花很少时间掌握基本操作要领后便可实现对软件的灵活应用。使用者只需要跟着本发明专利技术提供的方法的每一步的提示进行操作，即可轻松获得预期模型。该装置消除了机器学习的使用门槛，客户可在该方法提供的通用框架上根据自身需求实现任何与图片/视频相关的识别需求。

【技术实现步骤摘要】
用于智能识别的图像处理方法及装置
本申请涉及机器学习、图像识别领域，具体而言，涉及一种用于智能识别的图像处理方法及装置。
技术介绍
机器学习运用在图片识别领域中时，从目标物体或动作的特征提取、特征选取、特征构造到特征学习。专利技术人发现，用户如果想要识别图像智能识别时，无法准确地获得可定制化的图像识别服务。进一步，用户甚至需要有机器学习相关的技术背景的技术人员，对于一些工业企业而言难以实现。针对相关技术中用户想要对图像进行智能识别时具有技术门槛要求的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种用于智能识别的图像处理方法及装置，以解决用户想要对图像进行智能识别时具有技术门槛要求的问题。为了实现上述目的，根据本申请的一个方面，提供了一种用于智能识别的图像处理方法。根据本申请的用于智能识别的图像处理方法包括：接收用户选择的标记数据；根据用户输入的预设图像训练程度得到训练数据；以及根据所述训练数据生成用于识别预期识别目标的图像识别模型。进一步地，接收用户选择的标记数据包括：接收用户选择的数据类型；如果所述数据类型为图片图像数据，则接收用户对所述图片图像数据中的目标物选择的图片图像标签；以及确定用户对所述图像标签的位置标记。进一步地，接收用户选择的标记数据包括：接收用户选择的数据类型；如果所述数据类型为视频图像数据，则接收用户对所述视频图像数据中的动作帧选择的视频图像标签；以及确定用户对所述视频图像标签的帧片段动作长度。进一步地，根据用户输入的预设图像训练程度得到训练数据包括：根据用户输入的预设图像训练程度获取第一用户处理身份；根据所述第一用户处理身份向所述第一用户推荐网络模型；导入所述第一用户选择的第一标记数据；以及通过所述网络模型和所述第一标记数据确定所述网络模型部署方式。进一步地，根据用户输入的预设图像训练程度得到训练数据包括：根据用户输入的预设图像训练程度获取第二用户处理身份；根据所述第二用户处理身份向所述第二用户开放训练数据接口；根据第二用户的数据标记操作触发所述第二用户选择的第二标记数据；根据训练数据接口输入选择的网络模型和训练参数；以及通过所述网络模型、训练参数以及所述第二标记数据确定所述网络模型部署方式。进一步地，根据训练数据生成用于识别预期识别目标的图像识别模型括：接收用户的登录信息；确定用户登录后设定的预期识别目标和导入标记数据；接收用户的数据生成操作指令；以及根据所述数据生成操作指令按照所述预期识别目标和标记数据训练生成图像识别模型。为了实现上述目的，根据本申请的另一方面，提供了一种用于智能识别的图像处理装置。根据本申请的图像处理装置包括：接收模块，用于接收用户选择的标记数据；训练模块，用于根据用户输入的预设图像训练程度得到训练数据；以及生成模块，用于根据所述训练数据生成用于识别预期识别目标的图像识别模型。进一步的，所述接收模块包括：第一接收单元，用于接收用户选择的数据类型；图片图像单元，用于如果所述数据类型为图片图像数据，则接收用户对所述图片图像数据中的目标物选择的图片图像标签；以及第一确定单元，用于确定用户对所述图像标签的位置标记。进一步的，所述接收模块包括：第二接收单元，用于接收用户选择的数据类型；视频图像单元，用于如果所述数据类型为视频图像数据，则接收用户对所述视频图像数据中的动作帧选择的视频图像标签；以及第二确定单元，用于确定用户对所述视频图像标签的帧片段动作长度。进一步的，所述训练模块包括：获取单元，用于根据用户输入的预设图像训练程度获取第一用户处理身份；推荐单元，用于根据所述第一用户处理身份向所述第一用户推荐网络模型；导入单元，用于导入所述第一用户选择的第一标记数据；以及确定单元，用于通过所述网络模型和所述第一标记数据确定所述网络模型部署方式。在本申请实施例中，通过接收用户选择的标记数据，根据用户输入的预设图像训练程度得到训练数据，达到了识别预期识别目标的图像识别模型的目的，从而实现了智能识别出图像识别模型的技术效果，进而解决了用户想要对图像进行智能识别时具有技术门槛要求的技术问题。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请第一实施例的用于智能识别的图像处理方法示意图；图2是根据本申请第二实施例的用于智能识别的图像处理方法示意图；图3是根据本申请第三实施例的用于智能识别的图像处理方法示意图；图4是根据本申请第四实施例的用于智能识别的图像处理方法示意图；图5是根据本申请第五实施例的用于智能识别的图像处理方法示意图；图6是根据本申请第六实施例的用于智能识别的图像处理方法示意图；图7是根据本申请第一实施例的用于智能识别的图像处理装置示意图；图8是根据本申请第二实施例的用于智能识别的图像处理装置示意图；图9是根据本申请第三实施例的用于智能识别的图像处理装置示意图；图10是根据本申请第四实施例的用于智能识别的图像处理装置示意图；图11a是根据本申请第一实施例的用于智能识别的图像处理方法流程图；以及图11b是根据本申请第二实施例的用于智能识别的图像处理方法流程图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。本文档来自技高网...

【技术保护点】
1.一种用于智能识别的图像处理方法，其特征在于，包括：接收用户选择的标记数据；根据用户输入的预设图像训练程度得到训练数据；以及根据所述训练数据生成用于识别预期识别目标的图像识别模型。

【技术特征摘要】
1.一种用于智能识别的图像处理方法，其特征在于，包括：接收用户选择的标记数据；根据用户输入的预设图像训练程度得到训练数据；以及根据所述训练数据生成用于识别预期识别目标的图像识别模型。2.根据权利要求1所述的图像处理方法，其特征在于，接收用户选择的标记数据包括：接收用户选择的数据类型；如果所述数据类型为图片图像数据，则接收用户对所述图片图像数据中的目标物选择的图片图像标签；以及确定用户对所述图像标签的位置标记。3.根据权利要求1所述的图像处理方法，其特征在于，接收用户选择的标记数据包括：接收用户选择的数据类型；如果所述数据类型为视频图像数据，则接收用户对所述视频图像数据中的动作帧选择的视频图像标签；以及确定用户对所述视频图像标签的帧片段动作长度。4.根据权利要求1所述的图像处理方法，其特征在于，根据用户输入的预设图像训练程度得到训练数据包括：根据用户输入的预设图像训练程度获取第一用户处理身份；根据所述第一用户处理身份向所述第一用户推荐网络模型；导入所述第一用户选择的第一标记数据；以及通过所述网络模型和所述第一标记数据确定所述网络模型部署方式。5.根据权利要求1所述的图像处理方法，其特征在于，根据用户输入的预设图像训练程度得到训练数据包括：根据用户输入的预设图像训练程度获取第二用户处理身份；根据所述第二用户处理身份向所述第二用户开放训练数据接口；根据第二用户的数据标记操作触发所述第二用户选择的第二标记数据；根据训练数据接口输入选择的网络模型和训练参数；以及通过所述网络模型、训练参数以及所述第二标记数据确定所述网络模型部署方式。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：王汉洋，王弘尧，刘鑫，董硕，
申请(专利权)人：北京泛化智能科技有限公司，
类型：发明
国别省市：北京,11